[发明专利]一种细胞类型分析模型训练方法、装置及分析方法

说明书

本发明提供了一种细胞类型分析模型训练方法，包括：获取包含单个细胞图像的第一样本图像；以及将所述第一样本图像及对应的细胞类型作为样本训练第一神经网络模型，其中，所述第一神经网络模型构造为识别单个细胞的类型。通过将单个细胞图像的获取和识别分开为两个部分分别实现，只将技术要求较高的识别细胞类型部分由第一神经网络模型实现，降低了第一神经网络模型的复杂程度和计算量，从而也能提高分析的效率。并且，人工智能在大量的样本数据的支持下，具有较高的准确性和一致性，为医生诊断疾病提高准确有效的数据依据。

技术领域

本发明涉及医学图像处理领域，具体涉及一种细胞类型分析模型训练方法、装置及分析方法。

背景技术

血液中各类细胞的数量和形态能够为医生诊断提供非常有价值的信息，例如在判断一些严重的疾病(如白血病等)时，血液中的某些特定的细胞的数量会出现明显的区别，因此，通过对血液中各类细胞数量的统计具有很好的医学诊断价值。现有的统计血液中各类细胞数量的方法是在显微镜下用肉眼去一个个统计和判断各类细胞的数量和类型，这样的方法不仅费时费力，工作量十分繁重，并且该统计工作需要具有相当医学知识的专业人员，这就进一步加重了每个工作人员的工作量，另外，由于细胞的成长变化过程是一个连续的过程，因而通过细胞的形态很难准确的判断其类型，这也会造成不同的工作人员会有一定的判断差异。因此，现有的通过人工统计的方法存在费时费力且准确性和一致性不高。

发明内容

有鉴于此，本申请实施例致力于提供一种细胞类型分析模型训练方法、设备及分析方法，解决了上述人工统计费时费力且准确性和一致性不高的问题。

根据本发明的一方面，本发明一实施例提供的一种细胞类型分析模型训练方法，包括：获取包含单个细胞图像的第一样本图像，其中所述单个细胞图像包括细胞核区域和细胞质区域；以及将所述第一样本图像及对应的细胞类型作为样本训练第一神经网络模型，其中，所述第一神经网络模型构造为根据包括所述单个细胞图像的细胞区域图像识别单个细胞的类型。

在一实施例中，所述获取包含单个细胞图像的第一样本图像包括：将包含细胞核区域的第二样本图像输入第二神经网络模型，通过所述第二神经网络模型确定包含所述细胞核区域的细胞边界，以获取所述第一样本图像。

在一实施例中，所述方法还包括：删除获取的所述第一样本图像中除所述单个细胞图像以外的其他图像，并将删除所述其他图像的所述第一样本图像及对应的细胞类型作为样本训练所述第一神经网络模型。

在一实施例中，所述方法还包括：用不同的颜色标注所述第一样本图像中的所述单个细胞图像，将标注颜色的所述第一样本图像及对应的细胞类型作为样本训练所述第一神经网络模型。

在一实施例中，所述第二神经网络模型的训练方法包括：将包含所述细胞核区域的所述第二样本图像及对应的所述第一样本图像作为样本训练所述第二神经网络模型，其中，所述第二神经网络模型构造为从血液样本图像中分割出包括所述单个细胞的细胞区域图像。

在一实施例中，所述第二神经网络模型的训练方法包括：通过人工标定的方式获取所述第一样本图像和/或所述第二样本图像。

根据本发明的另一方面，本发明一实施例提供的一种细胞类型分析方法，包括：选取血液样本图像中的待分析区域；确定所述待分析区域内的细胞核区域；分割出包括单个细胞图像的细胞区域图像，其中，所述单个细胞图像包括所述细胞核区域和细胞质区域；以及将所述细胞区域图像输入第一神经网络模型，通过所述第一神经网络模型识别单个细胞的类型；其中，所述第一神经网络模型通过如上任一项所述的方法训练。

在一实施例中，所述分割出包括单个细胞图像的细胞区域图像包括：确定包含所述细胞核区域的细胞边界以分割出包括单个细胞图像的细胞区域图像。